快速无损检测种子生活力的方法技术领域
本发明涉及种子生活力的测定，具体地说，涉及一种快速无损检
测种子生活力的方法。
背景技术
种子生活力是指种子的生命力，指种子能够萌发长成幼苗的能
力。随着技术发展，对种子生活力检测的准确度、速度和无破坏性的
要求越来越高。
参照国际种子检验规程(InternationalSeedTestingAssociation.
InternationalRulesforSeedTesting.2009)，常用的种子生活力检测方
法包括：常规发芽法、四唑染色法。常规发芽方法是最准确，也是最
经典、最常用的方法，但是非常耗时。油菜种子发芽检测需要10天左
右，而且每次检测要损耗100～400粒种子。TZ染色法需要先将油菜种
子在湿滤纸上吸水24～48小时，然后用1.0％的四唑染色8小时，每次检
测同样需要消耗100～400粒种子。另外还有氧分子流速检测方法(Xin
X,WanYL,WangWJ,YinGK,McLamoreES,LuXX.Areal-time,
non-invasive,micro-optrodetechniquefordetectingseedviabilityby
usingoxygeninflux.ScientificReports,2013,3:3507)，此类方法需要
将干种子浸泡于检测液中，因此对种子也产生相当的破坏，检测后的
种子只能丢弃，或者继续培养成植株，而不能继续保存或者用于其它
用途。对于一些珍稀的种子，用做长期贮藏等目的的种子，由于种子
数量有限，研发无破坏性检测技术意义重大。另外，常规的发芽检测
方法耗时耗力，严重限制了检测效率，因此亟需研发一种无破坏性、
快速的种子生活力检测方法。
正常条件下，植物通过次生代谢途径产生多种挥发气体，包括：
醇类、酸类、醛类、酮类、酯类、烷烃类、含氮化合物和硫化物等。
挥发气体的种类和各成分间的比例，因物种、器官、健康度、活性等
而不同。在种子生活力降低过程中，细胞内的化学反应发生变化，导
致挥发气体产物发生改变(ZhangM,LiuY,ToriiI,SasakiH,EsashiY.
1993.Evolutionofvolatilecompoundsbyseedsduringstorageperiods.
SeedScienceandTechnology21,359–373.)。分析挥发气体成分，不必
对种子进行任何处理，包括短时吸胀等，且分析过程不直接接触种子，
对种子没有任何损害。因此，如果能够通过检测挥发气体成分差异而
判断种子的生活力，则可开发出真正无破坏性、快速的检测方法。
发明内容
本发明的目的是提供一种完全无破坏性、快速检测种子生活力的
方法。
为了实现本发明目的，本发明的一种快速无损检测种子生活力的
方法，所述方法是基于电子鼻原理，采用金属氧化物传感器阵列检测
种子产生的挥发气体的成分(种类和浓度)，将挥发气体的化学信号
转变为电信号，根据电信号图谱(即根据其气味“指纹”)区分不同活
力的种子，结合BP神经网络对采集的电信号进行建模，实现对未知
种子样品的生活力检测。
其中，所述金属氧化物传感器阵列是对氮氧化合物、有机硫化物、
无机硫化物、羰基类/醇类和甲烷类物质敏感的5个金属氧化物传感器
组成的传感器阵列。
本发明提供的方法包括以下步骤：产生挥发气体、收集并检测挥
发气体、数据分析、生活力判断和预测。
前述的方法，将适量的种子装入顶空样品瓶(瓶盖中央打孔，内
配有硅胶垫)内密封，静止相应时间后直接抽取顶空气体，经金属氧
化物传感器阵列检测。具体地，取1～5g种子，装入一定容积(例如，
20ml)的顶空样品瓶内，室温静置10～30分钟后进行测定。若遇气温
波动大的季节，应将样品瓶放在20℃～35℃恒温箱内。
前述的方法，先用净化的空气(例如用木炭净化的洁净空气)清
洗金属氧化物传感器阵列，然后用进样针吸取样品瓶顶空气体，经传
感器阵列检测，获得电信号值，连续测定30秒。其中，气体流经传感
器阵列的速度为100ml/s～400ml/s。
前述的方法，选取0～30秒之间稳定的电信号数据，利用主成分分
析法(PCA)或线性判别法(LDA)，对数据进行降维处理后区分不同生
活力梯度种子的数据集。
优选地，每个生活力梯度种子取至少30份样品的检测信号训练
BP神经网络，并利用训练好的BP神经网络对未知种子样品进行生活
力检测。做完每一次检测，用净化的空气清洗传感器阵列，以消除前
一检测的影响。
通过抽取样品瓶内的气体，使气体吸附在金属氧化物传感器表
面，引起电阻变化，利用不同的金属氧化物，选择性地识别不同类别
的气体，将种子挥发气体的化学信号转变为电信号图谱。通过电化学
计量软件，对挥发气体进行区分鉴别，从而区分不同生活力的种子。
对获得的电信号进行BP神经网络建模训练，即可预测未知种子样品
生活力。
本发明提供的检测方法适用于多种作物种子生活力的测定。优选
地，所述种子来自油菜。
整个检测过程无需对种子进行吸胀、萌发、染色等任何处理，只
需将种子装入样品瓶静置一段时间，抽取种子顶空的挥发气体进行检
测。检测过程不接触种子，只需要少量种子，且每次检测仅不到1分
钟，检测效率高、方法简单、结果可靠。利用本方法，不同活力种子
区分效率可达100％，预测准确度可达99％，真正实现了种子活力的无
破坏性和快速检测。采用本方法检测后，种子可以继续保存、播种或
其它用途。
附图说明
图1为本发明实施例1中利用电子鼻检测气体信号。
图2为本发明实施例1中油菜“中油821”15％生活力种子的电子
鼻10个传感器响应曲线。
图3为本发明实施例1中油菜“浙油18”47％生活力种子的电子鼻
10个传感器响应峰值和均值对比结果。
图4为本发明实施例1中分别采用10个(A、B)和5个(C、D)
主传感器峰值区分油菜“浙油18”不同生活力种子以及利用WinMuster
的PCA(A、C)和LDA(B、D)分析法区分不同生活力种子的结果。
具体实施方式
以下实施例用于说明本发明，但不用来限制本发明的范围。若未
特别指明，实施例中所用的技术手段为本领域技术人员所熟知的常规
手段，所用原料均为市售商品。
实施例1快速无损检测种子生活力的方法
1.实验材料
随机选用5个油菜品种：浙油18、中油821、中双11、阳光2009
和Oro，不同生活力梯度种子的发芽率见表1。
表15个品种油菜种子的发芽率
2.实验仪器及耗材
仪器设备：采用普通称量天平称量种子，采用德国AirsensePEN3
电子鼻获取种子气味图谱。PEN3有10个金属氧化物传感器，分别对
应不同类型的气体(表2)。
耗材：采用色谱用20ml顶空样品瓶盛装油菜种子。
表2PEN3电子鼻的各传感器性能特点
3.实验内容及方法
不同生活力种子区分的具体步骤为：
(1)准备样品：用天平称取3g种子，装入20ml顶空样品瓶(瓶
盖中央打孔，内配有硅胶垫)。
(2)获得挥发性气体：将样品瓶在室温静置20min，若室温波动
大，则将样品瓶放在25℃恒温箱内。
(3)数据采集：设置电子鼻参数为：用经过木炭净化的洁净空
气清洗传感器阵列100秒，归零10秒，样品检测30秒，采样时间1秒/
组，进样流量100～400ml/min(图1)。
(4)数据分析：采集完的信号数据中，选取0～30秒之间的数据，
利用主成分分析法(PCA)或线性判别法(LDA)，对数据进行降维
处理后区分不同组别的数据集。
预测种子生活力的具体步骤为：
1)数据采集：选取油菜“中双11”的5个生活力梯度种子(表3)，
采集气味图谱，重复45次。
2)建模：每个生活力的种子取30个重复共150个数据做训练集，
提取第40秒时10个传感器的响应值为输入矢量，发芽率为输出矢量，
使用matlab软件建立BP神经网络，神经网络结构为10×10×1。
3)检验及预测：利用剩余15个重复共75个数据做测试集，从而
得到油菜种子发芽率BP神经网络训练集及预测集识别结果。
4.实验结果
4.1不同生活力种子气味信号差异
信号采集结果表明，10个传感器对油菜种子的响应值存在明显差
异，10个传感器信号基本都呈现先剧烈增加，达到峰值后缓慢下降的
趋势(图2)。由于峰值明显高于后期测定数值，且峰值较为稳定，后
续分析应采取峰值(图3)。不同生活力种子电子鼻10个传感器响应值
存在明显差异，以“浙油18”为例，对照种子的信号值(峰值)按由
大到小排列，前5位传感器分别为W1S、W2W、W2S、W1W和W1C，
而对于47％发芽率种子则是W1W、W2W、W1S、W2S和W5S(表3)。
证明随着种子生活力丧失，其挥发气体成分发生了改变。因此，可以
通过气味图谱区分不同生活力的油菜种子。
表3浙油18高生活力(100％发芽率)和低生活力(47％发芽率)各传感器响应
峰值对比
4.2不同生活力种子的区分
利用WinMuster的PCA和LDA法分析10个传感器采集信号峰值，
区分不同生活力的油菜种子。结果表明，5个品种各生活力梯度种子
均可得到有效区分，且LDA分析法优于PCA法，各品种内不同生活力
种子区分效果见表4和图4。
表4采用10个传感器峰值区分各生活力梯度种子
4.3传感器阵列优化
为优化传感器阵列，根据各生活力梯度种子区分效果，对不同的
传感器组合进行了评价，发现仅采用W1W、W2W、W1S、W2S和
W5S这5个传感器的信号即可达到跟10个传感器接近的区分效果(图4
和表5)。W1W、W2W、W1S、W2S和W5S这5个传感器分别对无机
硫化物、有机硫化物、甲烷、羰基类/醇类和氮氧化合物敏感，其对
种子生活力的综合区分准确率可达96％(LDA分析法)。
表5采用5个主传感器峰值区分各生活力梯度种子
4.4BP神经网络预测未知样品生活力
从表6可以看出，油菜“中双11”的训练集对各生活力梯度种子
的识别准确率为96.7％～100％，综合正确率为99.3％。其预测集的准确
率则全部达到100％，因此，利用电子鼻技术结合BP神经网络分析，
可以准确预测油菜种子生活力。
表6油菜“中双11”各生活力种子30个重复样品的BP神经网络识别结果
可见，本发明的一种无破坏性、快速检测油菜种子生活力的方法，
可以在不接触种子、不对种子进行任何预处理的情况下，通过检测其
挥发气体的方法实现对油菜种子生活力的无破坏性、快速检测。
虽然，上文中已经用一般性说明及具体实施方案对本发明作了详
尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本
领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础
上所做的这些修改或改进，均属于本发明要求保护的范围。